• Structural Engineering and Mechanics
• /
• 제37권4호
• /
• pp.427-442
• /
• 2011

In fatigue life design of mechanical components, uncertainties arising from materials and manufacturing processes should be taken into account for ensuring reliability. A common practice is to apply a safety factor in conjunction with a physics model for evaluating the lifecycle, which most likely relies on the designer's experience. Due to conservative design, predictions are often in disagreement with field observations, which makes it difficult to schedule maintenance. In this paper, the Bayesian technique, which incorporates the field failure data into prior knowledge, is used to obtain a more dependable prediction of fatigue life. The effects of prior knowledge, noise in data, and bias in measurements on the distribution of fatigue life are discussed in detail. By assuming a distribution type of fatigue life, its parameters are identified first, followed by estimating the distribution of fatigue life, which represents the degree of belief of the fatigue life conditional to the observed data. As more data are provided, the values will be updated to reduce the credible interval. The results can be used in various needs such as a risk analysis, reliability based design optimization, maintenance scheduling, or validation of reliability analysis codes. In order to obtain the posterior distribution, the Markov Chain Monte Carlo technique is employed, which is a modern statistical computational method which effectively draws the samples of the given distribution. Field data of turbine components are exploited to illustrate our approach, which counts as a regular inspection of the number of failed blades in a turbine disk.

• Communications for Statistical Applications and Methods
• /
• 제18권4호
• /
• pp.467-475
• /
• 2011

This paper develops the noninformative priors for the stress-strength reliability from one parameter generalized exponential distributions. When this reliability is a parameter of interest, we develop the first, second order matching priors, reference priors in its order of importance in parameters and Jeffreys' prior. We reveal that these probability matching priors are not the alternative coverage probability matching prior or a highest posterior density matching prior, a cumulative distribution function matching prior. In addition, we reveal that the one-at-a-time reference prior and Jeffreys' prior are actually a second order matching prior. We show that the proposed reference prior matches the target coverage probabilities in a frequentist sense through a simulation study and a provided example.

• 한국구조물진단유지관리공학회 논문집
• /
• 제16권5호
• /
• pp.29-39
• /
• 2012

상관관계가 높은 복합열화의 완벽한 개별예측모델의 개발은 매우 어려운 문제로, 본 논문에서는 현수교 시스템의 미래열화와 유지 예산을 예측하기 위하여, 10년간의 유지 데이터가 주어진 매개변수(파손지표와 사용성)의 사후 확률 밀도함수를 찾기 위해 베이지언 추론을 적용하였다. 마르코프 연쇄 몬테카를로법을 이용하여 매개변수의 사후 분포를 조사하였다. 감소한 사용성의 모의위험예측은 사전분포와 연간유지 업무에서 업데이트한 데이터의 가능성에 따라 작성한 사후 분포이다. 기존의 선형 예측 모델과 비교하면, 제안된 2차 모델은 교량부품의 사용성, 위험요소, 그리고 유지 예산의 측정 데이터에 대하여 매우 개선된 수렴성과 근접성을 제공한다. 따라서 제안된 2차 추계학적 회귀 모델을 기반으로 복잡한 사회간접설비의 미래 성능과 유지관리예산을 예측하고 제어할 수 있는 기회를 제공할 것으로 기대한다.

• Journal of the Korean Data and Information Science Society
• /
• 제13권2호
• /
• pp.235-242
• /
• 2002

In this paper, we develop noninformative priors that are used for estimating the ratio of failure rates under Freund's bivariate exponential distribution. A class of priors is found by matching the coverage probabilities of one-sided Baysian credible interval with the corresponding frequentist coverage probabilities. Also the propriety of posterior under the noninformative priors is proved and the frequentist coverage probabilities are investigated for small samples via simulation study.

• Communications for Statistical Applications and Methods
• /
• 제16권3호
• /
• pp.501-509
• /
• 2009

Recently the interval estimation of binomial proportions is revisited in various literatures. This is mainly due to the erratic behavior of the coverage probability of the well-known Wald confidence interval. Various alternatives have been proposed. Among them, the Agresti-Coull confidence interval, the Wilson confidence interval and the Bayes confidence interval resulting from the noninformative Jefferys prior were recommended by Brown et al. (2001). However, unlike the binomial distribution case, little is known about the properties of the confidence intervals in finite population sampling. In this note, the property of confidence intervals is investigated in anile population sampling.

• Communications for Statistical Applications and Methods
• /
• 제9권2호
• /
• pp.305-313
• /
• 2002

Regarding to inference about a scalar measure of internal scatter of Ρ-variate normal population, this paper considers an interval estimation of the generalized variance, │$\Sigma$│. Due to complicate sampling distribution, fully parametric frequentist approach for the interval estimation is not available and thus Bayesian method is pursued to calculate the highest probability density (HPD) interval for the generalized variance. It is seen that the marginal posterior distribution of the generalized variance is intractable, and hence a weighted Monte Carlo method, a variant of Chen and Shao (1999) method, is developed to calculate the HPD interval of the generalized variance. Necessary theories involved in the method and computation are provided. Finally, a simulation study is given to illustrate and examine the proposed method.

• 응용통계연구
• /
• 제9권1호
• /
• pp.165-177
• /
• 1996

제한된 t 분포로부터의 난수 생성은 특히 베이지안 분석에서 제한이 있는 모수의 사후밀도함수를 추정하기 위하여 몬테카를로 적분을 하는 경우 등에 필요하다. 그런데 제한영역이 t분포의 극단 꼬리부분으로 주어졌을 때 기존의 난수생성기법의 적용은 매우 비효율적이 될 수 있다. 본 논문에서는 난수생성 알고리즘을 제시하과 기존의 기법들과 시뮬레이션을 통하여 효율을 비교하였다.

• 대한전자공학회논문지SP
• /
• 제44권1호
• /
• pp.40-48
• /
• 2007

이 논문은 다중 스케일 베이지안 관점에서 다층 퍼셉트론과 마코프 랜덤 필드를 사용한 새로운 결 분할 방법을 제안한다. 다층 퍼셉트론의 출력은 사후 확률을 모델링하므로 본 논문에서는 다중 스케일 웨이블릿 계수들을 다층 퍼셉트론의 입력으로 사용한다. 다층 퍼셉트론으로부터 구한 사후 확률과 MAP (maximum a posterior) 분류를 이용하여 각 스케일에서 결 분류를 수행한다. 또한 가장 섬세한 스케일에서 더 개선된 분할 결과를 얻기 위하여 모든 스케일에서 MAP 분류 결과들을 거친 스케일에서 섬세한 스케일까지 차례로 융합한다. 이런 과정은 한 스케일에서의 분류 정보와 그 인접한 보다 거친 스케일에서 얻어지는 문맥과 관련한 연역적 정보를 이용하여 MAP 분류를 행함으로써 이루어진다. 이 융합 과정에서, MRF (Markov random fields) 사전 모델이 평탄화 제한자로서 동작하고, 깁스 샘플러 (Gibbs sampler)는 MAP 분류기로서 동작한다. 제안한 분할 방법은 HMT (Hidden Markov Trees) 모델과 HMTseg 알고리즘을 이용한 결 분할 방법보다 더 좋은 성능을 보인다.

• 한국인터넷방송통신학회논문지
• /
• 제9권5호
• /
• pp.163-168
• /
• 2009

영상분할의 대부분의 방법들은 각 화소에서 관측되는 특징벡터로 표현하며 이들에 대하여 적절한 확률모델을 가정하게 된다. 이들 확률 모델을 결정하는 파라미터들을 통계적 방법으로 추정하여 이용하거나 각 특징 벡터간의 유사 도를 기반으로 하는 군집 알고리즘을 사용하여 분할을 수행하는 방법들을 이용한다. 이의 대표적인 방법인 EM알고리즘은 불완전한 데이터에서 미지의 파라미터에 대한 최대 우도를 계산하는 경우나 사후 확률 분포의 최대 값을 구하는 문제 등의 응용 분야가 매우 다양하지만 몇 가지의 구조적 문제점을 가지고 있다. 먼저 추정량의 성능이 시작점에 크게 의존한다는 것이며 따라서 우도 함수가 국부적 최대 값에 수렴한다는 것이다. 이러한 문제점을 해결하기 위하여 영상의 모든 레벨 값을 중심으로 형성된 가우시안 함수와 원 영상의 히스토그램을 혼합하여 영상의 새로운 히스토그램을 통해 임계 값을 설정하는 최적화된 영상분할 기법을 제시한다. 제안된 알고리즘은 MFC를 통해 구현하였으며 영상을 임계 값의 개수에 따라 다양하게 나누어 보았을 때 에지부분이 선명하게 나타나며 세밀하고 정확한 영상으로 분할됨을 확인할 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권8호
• /
• pp.3791-3805
• /
• 2016

The visual attention mechanism includes 2 attention models, the bottom-up (B-U) and the top-down (T-D), the physiology of which have not yet been accurately described. In this paper, the visual attention mechanism is regarded as a Bayesian fusion process, and a visual attention model based on particle filter is proposed. Under certain particular assumed conditions, a calculation formula of Bayesian posterior probability is deduced. The visual attention fusion process based on the particle filter is realized through importance sampling, particle weight updating, and resampling, and visual attention is finally determined by the particle distribution state. The test results of multigroup images show that the calculation result of this model has better subjective and objective effects than that of other models.